AI带来的时滞生产率提升可能是真实的，但它进入宏观数据的从创速度，未必会符合市场最乐观的新到信息时间表。信息通信技术（ICT）革命的生产经验显示，新技术从商业化、力爆投资扩张到生产率爆发，通信往往存在显著时滞。技术教训

据追风交易台报道，革命给高盛美国经济研究团队Elsie Peng在7月1日发布的代带的重研究中指出：“我们预计AI将在未来十年显著提振生产率增长。”这一论断的时滞核心变量已不再局限于AI能否提升效率，而是从创聚焦于效率提升何时被宏观统计数据所确认。

关键议题正从“AI是新到信息否有用”转向“AI何时转化为可观察的生产率增长”。尽管企业和实验层面已涌现大量效率改善证据，生产但宏观数据通常需等待企业完成流程重构、力爆员工培训及组织调整后，通信才会开始显现。

以ICT为例，个人电脑于1981年前后实现商业化，ICT投资自上世纪80年代初开始攀升，但美国生产率真正加速直至90年代后半段才出现，滞后周期长达约15年。AI或许能缩短这一周期，但无法自动跳过组织磨合这一必经阶段。

ICT的核心教训：投资先行，生产率滞后

上世纪80年代初，个人电脑的商业化引发了ICT创新浪潮。突破性ICT专利的人均数量在80年代末至90年代初持续上升，ICT投资亦从80年代起显著增加，专业服务、批发贸易、运输及金融等行业率先加大投入。

然而，生产率并未同步上行。

行业面板测算数据显示，ICT投资占资本存量的比例每提高1个百分点，最初四年对测算生产率增长反而产生小幅负贡献。正向影响大约要到第8年才变得清晰，并在第12年附近达到峰值，约为0.6个百分点。

这就是新技术扩散中的“J曲线”效应：企业需先投入设备、调整流程并承担磨合成本，随后才可能释放效率。特别是当技术改变信息流、决策方式及员工协作模式时，统计数据中首先出现的往往是成本，而非产出。

三个拖慢因素：成本、网络效应与无形资本

ICT生产率的“迟到”，主要受以下三大因素制约：

1. 成本因素：半导体和通信设备价格在80年代维持高位，直至90年代竞争加剧及监管变化推动市场开放后，成本才开始明显下降。1996年美国电信法推动了通信设备市场竞争，芯片领域竞争者的增加也压低了关键组件成本。
2. 网络效应：互联网、移动通信等技术需用户规模达到临界点，单个用户才能获得显著价值。美国互联网和移动电话等ICT应用的普及率在90年代后半段越过拐点后，生产率提升才更容易释放。
3. 无形资本：企业需重做流程、再培训员工、调整组织结构并建设软件和数据系统。测算显示，每1美元ICT硬件投资，至少需要额外1.7美元配套无形投资。其中约三分之二投向软件和数据库，其余投向劳动力组织重构。

这一点对于AI尤为关键。GPU、数据中心和模型能力容易被市场观测到，但组织改造往往不显眼。历史经验表明，后者往往决定生产率何时真正进入账面。

AI可能更快，但不会没有摩擦

与ICT相比，AI的一个重要差异在于成本曲线。AI模型的使用成本下降速度明显快于当年个人电脑价格的下降。尽管部分美国前沿模型近期提高了名义价格以扩大利润率，但竞争压力和底层算力成本的下降可能限制持续涨价空间，整体Token价格路径更可能趋于稳定。

此外，AI对网络效应的依赖弱于通信类技术。企业内部部署AI工具，无需等待全行业或全社会同时采用，即可获得局部效率提升。这使得AI有机会比ICT更早体现在生产率数据中。

然而，慢变量依然存在。企业必须重做工作流程、培训员工、调整岗位分工和组织结构。虽然AI相关硬件投资占总资本存量的比例上升速度快于当年ICT建设周期，但以参与重组活动员工薪酬占比衡量的工作流程重构投资，目前看来仍较缓慢。

同时，官方统计可能低估了企业正在进行的组织改造。亚特兰大联储的一项企业调查暗示，2026年AI相关无形资本支出约为2800亿美元。基于公司数据的估算显示，美国AI转型相关劳动力成本可能达到每年1500亿美元，高管时间分配对应的组织资本投资约每年400亿美元。

早期信号或来自四类行业

寻找AI生产率的早期宏观信号，不能仅看整个经济体。更可行的路径是先观察数字化基础高、AI暴露度高、工作任务更容易被自动化或增强的行业。

报告提出的框架包括四类指标：既有IT暴露度、AI采用率、AI暴露度，以及2022年以来工作重组强度。按此框架排序，靠前行业包括：

• 信息与数据处理
• 专业服务
• 电影与声音相关行业
• 保险
• 信贷中介
• 计算机和电子制造

其中，各行业的平均得分分别为：信息与数据处理（1.97）、专业服务（1.48）、电影与声音相关行业（1.21）、保险（1.09）、信贷中介（0.98）、计算机和电子制造（0.97）。

若合并到更大的行业观察口径，信息、专业服务、保险和金融最值得优先跟踪。这些行业既有更高的数字化基础，也有更多可被AI自动化或增强的工作任务。

但判断时需保持谨慎。这些潜在受益行业过去几十年的生产率表现本就强劲。未来若继续跑赢，不能简单归因于AI。更关键的是观察它们是否相对自身历史趋势出现新的加速。

市场应盯住三条主线

1. 成本：只要模型使用价格和算力成本继续下行，AI扩散的阻力就可能小于ICT时代。
2. 组织资本：企业是否真正重做流程、岗位和数据系统，比单纯采购AI工具更重要。ICT革命已证明，只买设备并不足以带来生产率爆发。
3. 行业生产率拐点：信息、专业服务、保险和金融若率先出现超越历史趋势的生产率提升，才更可能成为AI进入宏观数据的早期证据。

不过，行业级生产率数据本身存在发布滞后。即便AI已在微观层面产生效率收益，宏观统计确认可能还需数年。ICT革命给AI时代的最大提醒是：技术突破可以很快，但生产率的兑现通常更慢。